过滤内容,
版本
文本搜索
$ {sidebar_list_label}- - - - - -回来
根据语言过滤
并发环境中
Gurobi算法选择之一并发优化并行执行多个独立解决和Gurobi负责收集和结合的结果。并发优化可以非常强大;它实际上是默认的方法求解线性规划模型。
并发优化的力量来自这样一个事实:不同的方法来解决一个模型可能有不同的性能特征,并行执行它们允许你停止当第一个完成。我们所有的并发方案有默认的选择来决定每个独立解决所使用的策略。然而,也可能让你选择不同的策略。这是通过并发环境中。通过创建两个或多个并发的环境模型,并设置参数在这些环境中,您可以控制每个并发解决什么。
通过API创建例程(在并发环境C,c++,Java,net,或Python)。设置参数对这些环境你会与其他环境,但在这种情况下他们只影响一个几个独立解决。
给一个简单的例子,在Python中你可以做以下几点:
#创建并发环境env0 = model.getConcurrentEnv (0) env1 = model.getConcurrentEnv(1) #在并发环境env0设置参数。setParam (MIPFocus, 1) env1。setParam (MIPFocus, 2) #执行(并发)优化model.optimize ()这将发射两个并发模型解决了,一用MIPFocus参数设置为1,另设置为2。
我们的命令行界面的用户可以设置并行优化参数.prm
文件使用ConcurrentSettings参数。